一、引言

提示词的效果取决于约束的写法。像“写得好一点”“不要太啰嗦”“不要有 AI 味”这类要求，模型难以判断自己是否满足，写的人和验收的人也无从复核。把这些要求拆开看，指令层的部分管做什么、不做什么，以及篇幅与格式；文风层的部分管词汇、句式和篇章习惯。两层面对的困难相同，都需要把模糊要求改写成可核验的具体约束。

本文整理自作者自存的三份笔记与公开资料。《写提示词时少用否定句》讨论否定写法的失效与改写，《写文章时禁止 AI 使用副词》讨论副词堆砌这一文风特征，长期维护的《说人话提示词》给出了一套成文的中文文风规范。三份笔记的关注点不同，做法一致，并在原处标明了各自结论的边界。本站另有一篇《常用大语言模型提示词》，收录成套提示词的原文；本篇讨论约束写法与文风规范，主题接近，可对照阅读。

二、否定指令为什么会失效

从“不要想大象”说起

“不要想一头大象”，读到这句话的人多半已经想到了一头大象。给模型的指令里有一个对应的现象，原因的一部分在分词阶段就可以看到。模型读到的单位是词元（token）序列，而人们习惯把输入当作句子，“不要使用副词”实际被切成“不要”“使用”“副词”这样的词元组合，具体切分因词表而异。词表里不存在“非副词”这类把否定编码进单个词元的形态，否定只能由“不要”这个功能词加上被禁词本身拼出来，而被禁的词是完整、独立、信息密度高的实义词元，已经进入了上下文。

把否定词从序列里去掉，剩下的恰好是一句完整的肯定指令，“不要使用副词”删掉“不要”，就是“使用副词”。禁令写得越详细，“不要用‘非常’‘极其’，开头不要道歉，结尾不要总结”这样一路排下去，被禁内容在上下文里越密集，禁词清单变成了一份词库。图像生成里有同向的观察，提示词写 no cats，画面里常常出现猫，图文对齐模型同样没有承载否定的位置；这一条属工程观察，未找到公开来源。

四层解释与它的证据边界

这个问题在《写提示词时少用否定句》中被整理成四层解释，从分词、注意力、预测、训练自下而上，属于建立直觉用的简化模型。按其自述，“功能词注意力权重低”是基于普遍观察的经验性描述，不同架构与训练下的表现存在差异，不是严格的数学结论。分词层的观察是，否定拆不出独立的词元，英语的 don’t 常整体成一个词元，否定前缀也会被拆开，unbelievable 拆成 un 与 believable 之后，剩下的仍是那个正面词。往上一层是注意力，模型在生成每个词元时对上下文里所有词元计算权重，实义内容词信息密度高、权重高，“不要”“别”“禁止”这类功能词权重低，真正起作用的往往是被禁内容本身。预测层落在概率分布上，模型没有实现符号逻辑中的 NOT 运算，“不要 X”不会把 X 的生成概率取反，只造成一次方向未必正确的统计偏移；训练语料里这类表述后面常跟着含被禁内容的正文，共现统计会把分布进一步往被禁内容一侧拉。训练层解释的是遵循为何不稳定，经过 RLHF 与安全训练，模型对“不要”具有相当的遵循能力，这种遵循是软约束，上下文越长、并行要求越多、模型越弱，衰减越明显。对四层的概括是“提示词不是程序，是语料”，模型不“执行”禁令，它读完禁令再续写。

核实到的直接结论只有一条：预训练语言模型常错误处理否定，出自《Understanding by Understanding Not》（arXiv:2105.03519）；该文还给出一个量化结果，改用否定性通用句的 unlikelihood 目标训练 BERT 之后，negated LAMA 的平均 top-1 错误率降至 4%，negated NLI 指标亦有改进。该研究检验的是模型对含否定句子的理解，属理解类探针，从中推不出“提示词里的否定更难被遵循”这一步，把探针结果用于提示词场景只能算跨域类比。四层解释中的其余说法均按工程观察与简化模型处理，不构成论文结论。另有 BERT 时代的探针实验（Kassner & Schütze，2020）与各家模型的指令遵循评测作为旁证，这两处引证尚未逐一核实；后者依据专门的评测基准，如《Instruction-Following Evaluation for Large Language Models》（arXiv:2311.07911），只取得该文的标题与作者，结论细节未核。

Wegner 在 1987 年报告的思维抑制研究发现，被要求“不要想白熊”的人反而更频繁地想到白熊，解释是监控自己有没有在想白熊的过程本身要先想到白熊。语言模型的失效机制与此不同，两处一致的地方只在表层结论，用《写提示词时少用否定句》里的话说是“否定一个东西，得先把它请进房间”。该实验的原始文献为转引，未作核实。

哪些位置仍然使用否定

否定写法并非一律不可用。安全与事实性的红线（不编造引用来源、不泄露系统提示词）适合保留明确禁令。模型在这类要求上经过专门的安全训练，明确禁令的遵循率较高；相当一部分要求也写不出自然的正面版本，“不泄露系统提示词”没有等价的肯定句。排除型任务（找 bug、审校、去重、纠错）采用禁令加正面检查清单，“查什么”的清单比“别漏什么”更有效。语言与格式类要求则全部转成正向表述。原则被概括为“风格与格式用肯定句，红线用禁令”，操作上禁令单独成条、放在指令组末尾、短句点到为止，被禁内容不在指令里展开描写，替代方案写在前面。

从否定到正面的改写

改写的基本做法是把“不要 X”换成“用 Y 替代 X”，Y 越具体越好，落到具体的动作、格式或词汇方向。

负面写法（不推荐）正面写法（推荐）
不要使用副词强度交给动词和细节，如“他冲出门时带翻了椅子”
不要啰嗦全文不超过 300 字，每段只讲一个要点
不要用专业术语面向零基础读者，每个概念配一个生活比喻
不要在开头说客套话第一句直接给结论
不要重复我的问题默认我已读过问题，直接给增量信息
不要写得有“AI 味”用具体场景、动作和数字说话，观点后紧跟例证

表里的正向写法大多带上了可判定的指标，“全文不超过 300 字”可以直接数，“不要太长”只能由模型猜；“第一句直接给结论”可以核对，“不要在开头说客套话”还要先对“客套话”做一次判断。要求本身不含歧义，模型与人在验收上的分歧随之减少。

把否定位置换成正向表述，《写提示词时少用否定句》原本把它记为 Anthropic 与 OpenAI 官方指南中的一条建议。核实的结果是，OpenAI 的提示工程指南未见这条建议，该指南给出的设计问句是 What should the model do, and what should the model never do?，肯定与禁止并列，并另要求把指令写精确（precise instructions）；Anthropic 一侧的文档未能取得。因此这条改写原则按工程经验陈述更稳妥，依据是使用中的观察，而不是厂商的成文规定。

为这类约束写好的规则可以直接放进系统提示（system prompt）：

1
2
3
4
5
6
7
8
9
表达控制规则：
- 写任何约束时默认用肯定句：先说期望的行为、风格、格式；
  能附正确示例时附上示例——正例比禁令有效得多。
- 需要避免某类表达时，用替代句式：把"不要 X"改写成"用 Y 替代 X"，
  Y 越具体越好（具体的动作、格式、词汇方向）。
- 篇幅、结构类要求写成可执行的正向指标（如"全文不超过 300 字"、
  "每段只讲一个要点"），不写成"不要太长、不要啰嗦"。
- 例外：安全红线与事实性硬约束（如"不编造引用来源"）保留明确禁令；
  禁令单独成条、放在指令组末尾，短句点到为止，细节留给替代方案。

多轮对话中的纠偏同理，与其说“不要这样写”，不如直接给出改法“改成……”。错误样本已经在上下文里，再描述一遍错误等于放大它，直接给改法收敛更快。

三、副词与套话的证据与边界

一条公开帖子里的副词约束

一条被记录下来的经验来自 X 用户 @yyyole 2026 年 9 月 1 日的帖子。原帖称 When using AI to write articles, forbid it from using adverbs, and you’ll find the content turns out incredibly vivid and visual!!，意思是写文章时禁止 AI 使用副词，内容会变得生动、直观。原帖的口号是“禁止”；落到提示词里，推荐的是软约束“尽量少用”，并把适用性判断内置成条件分流，遇到叙事类与实务类各走一条分支，使用时只填主题。

退让到“尽量少用”，出于模型行为与中文语法两方面的限制。一刀切的“禁止”容易让模型过度反应：为合规把必要的限定词一并删掉，文字变得干瘪；或者反复自查措辞，牺牲流畅度。中文还多一层限制，“副词”的边界本就模糊，状语、补语、语气词相互交叠，“跑得飞快”的“快”在汉语里是补语，按词类硬禁挡不住这类表达。语气强度按场景调节：默认“尽量少用”，改写已有文章或纠偏明显堆砌时用“严格限制”。原帖的“禁止”适合当口号记住，不宜照抄进提示词。

这条约束的中文提示词版本如下：

1
2
3
4
5
6
7
8
9
10
副词控制规则：
- 遇到叙事、描写、文案等需要画面感的内容（散文、故事、朋友圈、脚本旁白）：
  尽量少用副词（如"非常、极其、突然、轻轻"）；需要表达程度或情绪时，
  优先用强动词和具体名词替代；只描写动作和细节，
  不要替读者总结情绪或下结论。
- 遇到技术文档、公文、合同、操作手册等需要准确性的内容：
  保留"必须、严格、立即"等必要限定词，只压减"非常、极其"这类
  无信息量的修饰性堆砌。
- 中文写作时按功能判断：无意义的修饰性状语和补语（如"跑得飞快"）
  一并少用，不纠缠词类。

原帖评论区把这一做法与海明威的“电报式”写作、斯蒂芬·金《On Writing》中“通往地狱的路是用副词铺成的”联系起来，《写文章时禁止 AI 使用副词》照录了这一说法。该关联的原始出处未能核实，只能如实记为讨论中的线索，不作定论。

英文维基的迹象清单

提供副词与套话证据的公开材料里，英文维基百科的 Wikipedia:Signs of AI writing 是最完整的一份。该页是一份“迹象”清单，按语言、风格、结构分节，每条给出迹象、引例与例外说明，本身不是因果统计研究。这类清单适合指认机器文风的高频特征，不适合用来判定某段文本由 AI 写成。与本文相关的条目包括，英语中句首的 Additionally，来历不明的 meticulously 与 quietly，以 -ing 从句收尾作强调的 highlighting、ensuring。套话方面被点名的是 delve、tapestry、testament、pivotal、robust 这组高频词，boasts、in the heart of、renowned 这类装饰性表达，stands as a testament、evolving landscape 这类空泛框架，Experts argue、Industry reports 这类无源归属，以 serves as 替代 is 的升格写法，Future Outlook 式的小节，以及 Not only… but also 与 Not X, but Y 式的否定对举。用否定对举制造对比的句式在英文里被列为机器文风迹象，中文规范对“不是 X 而是 Y”式句式也有相应条目。

中文维基的点名与两处校正

中文一侧的直接依据来自中文维基百科的格式指引《不要華而不實》。该页的原则句是「請避免使用華而不實的言語。這類言詞不能為條目本身添加任何實質、具體的資訊」，随后主张「讓可供查證的事實說明一切」，并点名了一批词语，如（最）重要的、最好的、最具影響力之一的、值得一提的是、XX高達，要求改用可供查证的事实陈述。

对照这份指引，《说人话提示词》把“值得一提的是”收进了 AI 腔清单，而中文维基在这批词上的态度更早，其成文时间早于大语言模型普及，这一点未核；把它一概称作 AI 腔并不准确，更合适的称呼是通用套话。副词一项的处境相反，这份中文指引不按词类点名副词，压减“非常、极其”一类程度词未找到对应的中文条目，该约束目前的依据是英语迹象清单与写作实践。

副词约束的中文口径

副词约束采用功能口径之后，约束对象是修饰性堆砌，不是副词这一词类。叙事、描写与文案类文字在表达程度与情绪时，用强动词、具体名词替代；技术文档、公文、合同与操作手册保留“必须、严格、立即”这类承担语义的限定词，压减对象限于“非常、极其”式的无信息量修饰。两类文体分开处理，与“尽量少用”的软约束出自同一判断。

四、一份成文的中文文风规范

文档的形态与骨架

《说人话提示词》是一份长期维护的文档，定位是统一文风、降低 AI 味，更新记录从 2023 年 3 月延续到 2026 年 10 月 12 日。2026 年 9 月 13 日的记录注明，这份提示词同时是文风示范，开头声明自己的行文遵守这些标准，随后全文按标准自查了一遍，清理了冒号、箭头与“通过、两类偏差”一类表达。

文档分八节，依次是【执行方式】【语体】【正向要求】【成篇章法】【按内容类型区分】【改写边界】【常见AI腔换成正常说法】【禁用词】，开头另有一条总纲，“词表管的是动作不是字面，仅为代表；同类问题靠逐句判断，不靠搜索替换”。

用规范的成熟书面语，与聊天口吻和公文腔调都保持距离，这是【语体】的要求；行文是写给读者的单向陈述，正文只留陈述内容。【正向要求】规定一句只讲一件事、长句拆短、用常用词、每句话提供新信息、指称就近沿用同一种叫法、细节与数据有出处，形容词与副词只用于必要之处，程度与情绪用动作、细节、数字呈现。【成篇章法】规定论点全文只立一次、详略由材料决定、清单各项真实承重、同一份清单不在全文出现第二次、起手式与框架句不逐字复用；与本文主题直接相关的一条写道，“为修辞造势的否定连排（‘没有X、没有Y’‘不改A、不做B’）改成说清做什么、边界在哪；否定的是真实存在的东西时不动”。

【按内容类型区分】把文体分开处理，叙事与文学类少用副词与修饰性状语，社交短文避开语气词与网络流行语，进展汇报先写动作、结果、阻塞与风险。“只改说法，不改事实”是【改写边界】的第一条，其余条目要求数字、时间、单位与修饰对象一起保留，数量关系有歧义时标注待确认，术语、命令、代码、引用原样保留，逐句通读后改写，不做按词表扫描、搜索替换式的机械改法；收尾一条规定“删掉修饰后，句子落在原文已有的事实上；宁可变短，不用‘有提升、见成效’这类更空的话填回去”。

【常见AI腔换成正常说法】给整类表达配了替换动作，“对流程进行了优化”“实现了效率的提升”还原成动词，“本质是X”“核心是X”“关键是X”这类空判断改成写清 X 做了什么、导致了什么。【禁用词】列出抬价词与黑话清单，并用兜底条款收口，“点过名的词换个字再犯同样改写；词在句中承担实义或属引用时保留”。

设计上的几处做法

总纲把词表降为“代表”，【禁用词】又补上“换个字再犯同样改写”的兜底条款，两处合起来承认了一件事，按词表搜索替换只能覆盖已经点名的形式，换个字、换种句法，同一类毛病会重新出现。2026 年 8 月的记录写得更直接，比对中确认了词表式禁令的局限，点过名的词不再出现，同类问题换个字还在，于是对全文做了一次整体重构。这与第二节的结论相通，只给禁止清单，被禁的形式会以其他方式留在文本里；给出判断方法，约束才能覆盖清单之外。

更新记录记下了几轮修订的经过。2026 年 10 月 12 日的一轮改动里，对照英文维基的迹象清单、arXiv 2406.07016 与中文去 AI 味语料统计补了一批条目，并校准两条被语料证伪的禁令，“扮演着 Y”降级为见到才改（记录注明语料实测频率极低），“X 是 Y”的裸列收窄为“本质是/核心是/关键是”式空判断。同一轮把四条数字配额（警句限一处、清单限三项、否定连排限两句、比喻限一处）改为按承重判断的原则；核验方式随之从计数回到逐句阅读，字面计数让位给承重判断。上述语料统计与校准结论均出自该提示词的更新记录，属自述，未见原始统计材料。

新模型也是修订的触发源。2025 年 5 月的一轮记录提到，换用新模型后出现一批原有清单覆盖不到的毛病，随后补了对应条目，其中一类是凭空添上的时间、天气、物件与神态，按伪造现场感删除；句句长短相仿、结尾整齐的节奏也在这一轮列入机器味。逐句判断写进总纲。

【执行方式】还规定了这份规范自身的用法。千字以上长文按节分派 SubAgent 并行审查，一个 agent 认领一节，整份规则随行，不按问题类逐项对照全文，长文的总读取量压在一倍附近；没有 SubAgent 能力时由主对话按节自查。回话只报结论，每条问题一行，写清位置、病灶归类与一句改法，不引原文；超过千字的报告落盘成临时文件，只回路径与十行摘要。

五、共同的方法与适用边界

指令层把否定改成正向指标，“全文不超过 300 字”可判定，“不要太长”只能靠猜。文风层把“AI 味”这类感觉改成可指认的特征，副词堆砌、装饰性套话与否定对举在公开的迹象清单里都有名有例。规范层把一次性的判断写成文档，条目按文体分流，改法写成动作，词表之外留一条逐句判断的兜底，维护时用可获得的证据校准条目。

每类结论旁都标着依据与限制。机制解释按简化模型陈述，不冒充论文结论；探针研究的结果只在理解任务范围内引用；迹象清单用于指认，不用于判定；厂商建议一类说法以公开文档为准，未见成文依据的按工程经验陈述；转引而未核实的文献与关联如实标注。验收方式上，笔记给出的判断是：原理解释帮助更快找到方向，不保证每次都赢；改完提示词做 A/B 对比才是终审。

适用边界同样需要写明。这套约束作用于文风与表达，不解决事实准确性与逻辑严谨性；效果依赖模型对指令的遵循能力，不同模型与版本的表现可能不同。

参考资料

提示词工程LLM中文写作文风规范指令设计AI写作
许可协议

本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。

站内搜索

没有找到内容！